CN113610437A - 一种承灾体动态暴露度评估方法及系统 - Google Patents
一种承灾体动态暴露度评估方法及系统 Download PDFInfo
- Publication number
- CN113610437A CN113610437A CN202110973268.3A CN202110973268A CN113610437A CN 113610437 A CN113610437 A CN 113610437A CN 202110973268 A CN202110973268 A CN 202110973268A CN 113610437 A CN113610437 A CN 113610437A
- Authority
- CN
- China
- Prior art keywords
- disaster
- bearing body
- meteorological
- under different
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000011161 development Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 10
- 238000011160 research Methods 0.000 claims description 7
- 101100410359 Drosophila melanogaster Patronin gene Proteins 0.000 claims description 6
- 102100023645 Sentrin-specific protease 3 Human genes 0.000 claims description 6
- 108010092928 Stomoxys serine protease 3 Proteins 0.000 claims description 6
- 101100532584 Clostridium perfringens (strain 13 / Type A) sspC1 gene Proteins 0.000 claims description 5
- 101100256651 Homo sapiens SENP6 gene Proteins 0.000 claims description 5
- 101100095550 Homo sapiens SENP7 gene Proteins 0.000 claims description 5
- 101150038317 SSP1 gene Proteins 0.000 claims description 5
- 101150098865 SSP2 gene Proteins 0.000 claims description 5
- 101100125020 Schizosaccharomyces pombe (strain 972 / ATCC 24843) pss1 gene Proteins 0.000 claims description 5
- 101100018019 Schizosaccharomyces pombe (strain 972 / ATCC 24843) ssc1 gene Proteins 0.000 claims description 5
- 102100023713 Sentrin-specific protease 6 Human genes 0.000 claims description 5
- 102100031406 Sentrin-specific protease 7 Human genes 0.000 claims description 5
- 101100422390 Streptococcus gordonii sspB gene Proteins 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 3
- 239000002803 fossil fuel Substances 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 description 39
- 231100000727 exposure assessment Toxicity 0.000 description 3
- 230000037361 pathway Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012950 reanalysis Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种承灾体动态暴露度评估方法及系统，所述方法包括以下步骤：建立气象要素和承灾体数据库；开展目标区域气象灾害指数评估；识别气象灾害阈值；确定灾害事件影响范围；预估不同共享社会经济路径下承灾体变化特征；采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；进行承灾体动态暴露度评估；所述系统包括数据获取模块、气象灾害指数评估模块、阈值确定模块、灾害范围获取模块、承灾体变化预估模块、承灾体网格化模块、暴露度动态评估模块。本发明解决了现有技术中对于气象灾害的承灾体暴露度评估不准确，且无法考虑动态变化特征的技术问题；提高了评估方法的准确性和可靠性。
Description
技术领域
本发明涉及自然灾害智能评估，特别是一种承灾体动态暴露度评估方法及系统。
背景技术
随着中国人口增长和经济社会的逐步发展，各灾害承灾体的暴露度也将不断增加，其中，承灾体的暴露是指暴露在致灾因子影响范围内的承灾体数量或价值，比如房屋、人口、道路、财产等。通过对承灾体的暴露度分析有助于准确把握自然灾害风险隐患，提高公众防灾意识和避灾本领，有利于将自然灾害的破坏损失降至最低，为人民生命财产安全提供坚强保障。现有技术中存在承灾体暴露度评估针对性不强，数据有效性不够完善，使得评估质量不高的技术问题。
发明内容
发明目的：本发明的目的是提供一种数据准确性高、评估质量高的承灾体动态暴露度评估方法及系统。
技术方案：本发明所述的一种承灾体动态暴露度评估方法，包括以下步骤：
S1：获取历史时期目标区域气象要素数据和承灾体数据，获取不同气候情景下目标区域气候要素预估数据，建立气象要素和承灾体数据库；
S2：根据S1中的历史时期气候要素数据，分析目标区域气象灾害特征，计算适应区域特征的气象灾害指数，开展目标区域气象灾害指数评估；
S3：基于S2中的气象灾害指数，结合目标区域历史时期气象灾害特征，识别气象灾害阈值；
S4：结合上述步骤中不同气候情景下的气象要素预估数据和气象灾害阈值，预估不同情景下气象灾害变化，确定灾害事件影响范围；
S5：基于共享社会经济路径框架，结合S1中历史时期承灾体特征，开展本地化的承灾体预估参数设定，预估不同共享社会经济路径下承灾体变化特征；
S6：根据历史时期承灾体空间分布特征，采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；
S7：将气候情景下的历次灾害影响范围与共享社会经济路径下的网格化承灾体进行空间匹配和三维动态叠加，获取暴露于每次灾害事件下的承灾体信息，进行承灾体动态暴露度评估。
所述步骤S1中气象要素数据来自中国国家级地面观测站点数据，包括人工站与自动站；选择气象要素需包括降雨量(mm)、降雪量(mm)、气温(℃)、气压(mPa)、相对湿度(％)、日照时长(h)、风速(m/s)等并且所有数据必须经过质量控制以保证其完整性和有效性。
所述步骤S3中气象灾害阈值在大部分情况下采用百分位法确定，其步骤为：
S3.1：按所需步长计算所有时段的气象灾害指数；
S3.2：将计算的气象灾害指数按升序排列；
S3.3：根据公式(1)计算序列中某值不大于am的概率：
p＝(m-0.31)/(n+0.3)(1)
式中，m为am在序列中所处的位次，n为样本数；
S3.4：确定所需作为阈值的分位数值(通常为90、95或99分位数)，选取概率最靠近该分位数值的两个气象灾害指数值，取算数平均值作为最终阈值。
所述步骤S4的具体为：
S4.1：将气象要素插值至固定分辨率的网格中，并计算每个网格上的气象灾害指数；
S4.2：选取所需阈值，判断某一时间点研究区范围所有网格上的气象灾害指数是否超过灾害阈值，保留超过阈值的网格点；
S4.3：将范围内相邻的网格区域聚类为同一个事件，记录每个事件的发生位置；
S4.4：计算每个事件的影响范围，剔除影响范围小于事件最小设定范围的事件(如干旱事件最小设定范围为50000km2)；
S4.5：继续计算下一时间点每个灾害事件的影响范围，并最终统计所有时间点的所有灾害事件的面积。
所述步骤S5的具体为：
S5.1：确定共享社会经济路径框架：SSP1为可持续发展路径，SSP2为中等路径，SSP3为区域竞争路径，SSP4为不均衡路径，SSP5为化石燃料为主发展路径；
S5.2：确定不同共享社会经济路径下承灾体特征和发展轨迹；
S5.3：确定初始年承灾体影响因子；
S5.4：基于研究区历史时期发展状况，确定未来不同发展轨迹下承灾体影响因子预估参数；
S5.5：确定不同共享社会经济路径下的承灾体变化参数；
S5.6：将初始年承灾体影响因子和不同路径下的预估参数输入预估模型，预估不同共享社会经济路径下承灾体未来变化特征。
所述步骤S6具体为：
S6.1：将承灾体所在区域矢量边界与气象要素网格叠加；
S6.2：将跨矢量边界的网格截断，归入各自矢量区域范围；
S6.3：将矢量区域内的承灾体预估数值按面积占比分配至区域内的网格或网格碎片中；
S6.4：将被截断的网格的各部分数值相加，得到所有网格上的承灾体预估数据。
一种承灾体动态暴露度评估系统，所述系统包括：
数据获取模块：获取历史时期目标区域气象要素数据和承灾体数据，获取不同气候情景下目标区域气候要素预估数据，建立气象要素和承灾体数据库；
气象灾害指数评估模块：分析目标区域气象灾害特征，计算适应区域特征的气象灾害指数，开展目标区域气象灾害指数评估；
阈值确定模块：根据气象灾害指数和目标区域气象灾害特征，识别气象灾害阈值；
灾害范围获取模块：结合不同气候情景下的气象要素预估数据和气象灾害阈值，预估不同情景下气象灾害变化，确定灾害事件影响范围；
承灾体变化预估模块：基于共享社会经济路径框架，开展本地化的承灾体预估参数设定，预估不同共享社会经济路径下承灾体变化特征；
承灾体网格化模块：根据历史时期承灾体空间分布特征，采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；
暴露度动态评估模块：将气候情景下的历次灾害影响范围与共享社会经济路径下的网格化承灾体进行空间匹配和三维动态叠加，获取暴露于每次灾害事件下的承灾体信息，进行承灾体动态暴露度评估。
一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种承灾体动态暴露度评估方法。
一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种承灾体动态暴露度评估方法。
有益效果：与现有技术相比，本发明具有如下优点：
1、本发明达到了基于地区特征的匹配模型完成匹配系数的确定，提高灾害评估准确性和承灾体暴露度评估质量技术效果；
2、采用了基于共享社会经济路径的承灾体变化预估，动态评估了承灾体的特征和承灾体的暴露度特征，提升了原有方法的实用性。
附图说明
图1为一种承灾体动态暴露度评估方法的流程示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
实施例1：
如图1所示，一种承灾体动态暴露度评估方法，包括以下步骤：
S1：获取历史时期目标区域气象要素数据和承灾体数据，获取不同气候情景下目标区域气候要素预估数据，建立气象要素和承灾体数据库；
S2：根据S1中的历史时期气候要素数据，分析目标区域气象灾害特征，计算适应区域特征的气象灾害指数，开展目标区域气象灾害指数评估；
S3：基于S2中的气象灾害指数，结合目标区域历史时期气象灾害特征，识别气象灾害阈值；
S4：结合上述步骤中不同气候情景下的气象要素预估数据和气象灾害阈值，预估不同情景下气象灾害变化，确定灾害事件影响范围；
S5：基于共享社会经济路径框架，结合S1中历史时期承灾体特征，开展本地化的承灾体预估参数设定，预估不同共享社会经济路径下承灾体变化特征；
S6：根据历史时期承灾体空间分布特征，采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；
S7：将气候情景下的历次灾害影响范围与共享社会经济路径下的网格化承灾体进行空间匹配和三维动态叠加，获取暴露于每次灾害事件下的承灾体信息，进行承灾体动态暴露度评估。
所述步骤S1中气象要素数据来自中国国家级地面观测站点数据，包括人工站与自动站；选择气象要素需包括降雨量(mm)、降雪量(mm)、气温(℃)、气压(mPa)、相对湿度(％)、日照时长(h)、风速(m/s)等并且所有数据必须经过质量控制以保证其完整性和有效性。
所述步骤S3中气象灾害阈值在大部分情况下采用百分位法确定，其步骤为：
S3.1：按所需步长计算所有时段的气象灾害指数；
S3.2：将计算的气象灾害指数按升序排列；
S3.3：根据公式(1)计算序列中某值不大于am的概率：
p＝(m-0.31)/(n+0.3)(1)
式中，m为am在序列中所处的位次，n为样本数；
S3.4：确定所需作为阈值的分位数值(通常为90、95或99分位数)，选取概率最靠近该分位数值的两个气象灾害指数值，取算数平均值作为最终阈值。
所述步骤S4的具体为：
S4.1：将气象要素插值至固定分辨率的网格中，并计算每个网格上的气象灾害指数；
S4.2：选取所需阈值，判断某一时间点研究区范围所有网格上的气象灾害指数是否超过灾害阈值，保留超过阈值的网格点；
S4.3：将范围内相邻的网格区域聚类为同一个事件，记录每个事件的发生位置；
S4.4：计算每个事件的影响范围，剔除影响范围小于事件最小设定范围的事件(如干旱事件最小设定范围为50000km2)；
S4.5：继续计算下一时间点每个灾害事件的影响范围，并最终统计所有时间点的所有灾害事件的面积。
所述步骤S5的具体为：
S5.1：确定共享社会经济路径框架：SSP1为可持续发展路径，SSP2为中等路径，SSP3为区域竞争路径，SSP4为不均衡路径，SSP5为化石燃料为主发展路径；
S5.2：确定不同共享社会经济路径下承灾体特征和发展轨迹；
S5.3：确定初始年承灾体影响因子；
S5.4：基于研究区历史时期发展状况，确定未来不同发展轨迹下承灾体影响因子预估参数；
S5.5：确定不同共享社会经济路径下的承灾体变化参数；
S5.6：将初始年承灾体影响因子和不同路径下的预估参数输入预估模型，预估不同共享社会经济路径下承灾体未来变化特征。
所述步骤S6具体为：
S6.1：将承灾体所在区域矢量边界与气象要素网格叠加；
S6.2：将跨矢量边界的网格截断，归入各自矢量区域范围；
S6.3：将矢量区域内的承灾体预估数值按面积占比分配至区域内的网格或网格碎片中；
S6.4：将被截断的网格的各部分数值相加，得到所有网格上的承灾体预估数据。
本发明实施例提供的中巴经济走廊极端降水的人口暴露度动态评估方法的具体操作流程如下：
该案例首先获取中巴经济走廊气象要素和承灾体数据，气象要素数据选取ERA5网格化的气象再分析数据，数据分辨率为0.5°×0.5°，承灾体即人口数据采用中国的统计年鉴数据和巴基斯坦统计局数据。
日降水量为研究区选取的主要气象要素，通过对1979-2014年中巴经济走廊的降水数据进行分析，计算中巴经济走廊共352个网格上的降水变化趋势和分布特征，1979-2014年中巴经济走廊降水量变化见表1。1979-2014年中巴经济走廊降水主要集中在喜马拉雅山脉南坡西部，其中25～35°N，73～74°E的区域降水量最高，年降水量可达1460mm以上。东北和西南地区降水量则相对较少，平均年降水量普遍在200mm以下，1979-2014年间，中巴经济走廊年降水量整体呈现缓慢增长的趋势，线性倾向率为0.99mm/a。其中，1992和1994年降水量相对较高，分别达到424mm和408mm。降水量较低的年份为2002和2000年，分别为179mm和182mm。。
表11979-2014年中巴经济走廊降水量变化
该案例中，极端降水强度为主要的气象灾害指数，采用百分位数法计算中巴经济走廊的极端降水阈值。以1979-2014作为基准年，计算基准年逐年降水的第99分位数，选取每个格点多年95分位数的平均值作为该格点的极端降水阈值。根据计算，中巴经济走廊极端降水阈值较高的地区主要集中在25°N，67～71°E地区，位于阿拉伯海沿岸，这一地区降水充沛，季节分布明显，阈值最高达到55mm/d。35°N，73°E附近也是一个降水阈值较高的区域，这一地区位于喜马拉雅山脉西侧，汇集来西风带从大西洋带来的水汽以及印度洋季风的影响，全年都有着较为充沛的降水。极端降水阈值较低的地区主要为40°N中国段，由于高山阻碍了水汽的输送，这些地区降水量很低，极端降水阈值均在10mm/d以下。
1979-2014年，中巴经济走廊平均每年的极端降水日数为5.0次。极端降水日数的变化趋势与降水量的变化趋势较为相似，也呈现增长的趋势，平均每10年增长0.4天。极端降水强度反映极值的变化规律，1979-2014年，中巴经济走廊极端平均的极端降水强度为23.5mm，整体上，极端降水强度的趋势基本保持不变，略有下降。
本案例使用全球气候模式预估不同气候情景下未来中巴经济走廊的气候特征，并基于已经确定的阈值，判定区域内每个网格上的灾害发生次数，以及灾害发生范围。不同气候情景下中巴经济走廊极端降水影响范围见表2。
基于共享社会经济路径的框架，设定中巴经济走廊未来人口发展的特征，见表3。
表3 SSP1-5中巴经济走廊人口预估参数体系
| 人口参数 | SSP1 | SSP2 | SSP3 | SSP4 | SSP5 |
| 生育率 | 低 | 中 | 高 | 低 | 低 |
| 死亡率 | 低 | 中 | 高 | 中 | 低 |
| 迁移率 | 中 | 中 | 低 | 中 | 高 |
根据本地化的参数体系，设定中巴经济走廊人口预估各要素参数，并带入人口预估模型，预估2020-2100年5种共享社会经济路径下中巴经济走廊的人口变化，预估结果见表4。
表4中巴经济走廊2020-2100人口预估结果
| 人口(百万) | 2020 | 2030 | 2040 | 2050 | 2060 | 2070 | 2080 | 2090 | 2100 |
| SSP1 | 184.16 | 204.95 | 220.19 | 229.42 | 232.26 | 229.79 | 222.43 | 211.00 | 197.13 |
| SSP2 | 188.75 | 218.04 | 243.68 | 265.97 | 281.82 | 291.69 | 297.28 | 298.89 | 296.95 |
| SSP3 | 193.26 | 233.31 | 272.91 | 315.23 | 355.80 | 392.94 | 429.91 | 466.11 | 500.14 |
| SSP4 | 192.52 | 230.97 | 268.53 | 308.24 | 345.69 | 379.71 | 413.72 | 447.11 | 478.56 |
| SSP5 | 183.47 | 202.80 | 216.41 | 223.84 | 224.96 | 221.21 | 213.13 | 201.59 | 188.15 |
采用地理信息软件让矢量化的预估结果进行网格化处理，处理至与气象数据相同的网格中，并将人口网格与极端气象事件网格进行叠加，获取每个网格上的动态暴露人口。结果显示，21世纪前期，7个CMIP6情景下暴露于极端降水事件的人口分别为319万、322万、365万、374万、374万、370万和320万人，各情景下暴露人口的差异还相对较小。到了21世纪中期时，各情景间的差异逐渐显现出来，7个情景下暴露于极端降水事件下的人口分别为360万、373万、402万、473万、529万、490万和365万人。SSP3和SSP4路径下的人口相对较多，使得SSP3-7.0、SSP4-3.4和SS4-6.0三个情景下暴露于极端降水事件的人口也是最多的，到21世纪末期，这种情景间的差距更为显著，7种情景下暴露于极端降水事件下的人口分别为310万、351万、476万、906万、740万、763万和366万人。由于人口的快速增长，SSP3-7.0、SSP4-3.4和SS4-6.0这三个情景下未来暴露于极端降水事件的人口能够达到基准期的三倍以上，也使得中巴经济走廊的人口面临更大的极端降水风险。
实施例2：
一种承灾体动态暴露度评估系统，所述系统包括：
数据获取模块：获取历史时期目标区域气象要素数据和承灾体数据，获取不同气候情景下目标区域气候要素预估数据，建立气象要素和承灾体数据库；
气象灾害指数评估模块：分析目标区域气象灾害特征，计算适应区域特征的气象灾害指数，开展目标区域气象灾害指数评估；
阈值确定模块：根据气象灾害指数和目标区域气象灾害特征，识别气象灾害阈值；
灾害范围获取模块：结合不同气候情景下的气象要素预估数据和气象灾害阈值，预估不同情景下气象灾害变化，确定灾害事件影响范围；
承灾体变化预估模块：基于共享社会经济路径框架，开展本地化的承灾体预估参数设定，预估不同共享社会经济路径下承灾体变化特征；
承灾体网格化模块：根据历史时期承灾体空间分布特征，采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；
暴露度动态评估模块：将气候情景下的历次灾害影响范围与共享社会经济路径下的网格化承灾体进行空间匹配和三维动态叠加，获取暴露于每次灾害事件下的承灾体信息，进行承灾体动态暴露度评估。
实施例3：
一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的一种承灾体动态暴露度评估方法。
实施例4：
一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的一种承灾体动态暴露度评估方法。
Claims (9)
1.一种承灾体动态暴露度评估方法，其特征在于，包括以下步骤：
S1：获取历史时期目标区域气象要素数据和承灾体数据，获取不同气候情景下目标区域气候要素预估数据，建立气象要素和承灾体数据库；
S2：根据S1中的历史时期气候要素数据，分析目标区域气象灾害特征，计算适应区域特征的气象灾害指数，开展目标区域气象灾害指数评估；
S3：基于S2中的气象灾害指数，结合目标区域历史时期气象灾害特征，识别气象灾害阈值；
S4：结合上述步骤中不同气候情景下的气象要素预估数据和气象灾害阈值，预估不同情景下气象灾害变化，确定灾害事件影响范围；
S5：基于共享社会经济路径框架，结合S1中历史时期承灾体特征，开展本地化的承灾体预估参数设定，预估不同共享社会经济路径下承灾体变化特征；
S6：根据历史时期承灾体空间分布特征，采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；
S7：将气候情景下的历次灾害影响范围与共享社会经济路径下的网格化承灾体进行空间匹配和三维动态叠加，获取暴露于每次灾害事件下的承灾体信息，进行承灾体动态暴露度评估。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中气象要素数据来自中国国家级地面观测站点数据，包括人工站与自动站；选择气象要素包括降雨量(mm)、降雪量(mm)、气温(℃)、气压(mPa)、相对湿度(％)、日照时长(h)、风速(m/s)，并且所有数据必须经过质量控制以保证其完整性和有效性。
3.根据权利要求1所述的方法，其特征在于，所述步骤S3中气象灾害阈值在大部分情况下采用百分位法确定，其步骤为：
S3.1：按所需步长计算所有时段的气象灾害指数；
S3.2：将计算的气象灾害指数按升序排列；
S3.3：根据公式(1)计算序列中某值不大于am的概率：
p＝(m-0.31)/(n+0.3)(1)
式中，m为am在序列中所处的位次，n为样本数；
S3.4：确定所需作为阈值的分位数值，选取概率最靠近该分位数值的两个气象灾害指数值，取算数平均值作为最终阈值。
4.根据权利要求1所述的方法，其特征在于，所述步骤S4的具体为：
S4.1：将气象要素插值至固定分辨率的网格中，并计算每个网格上的气象灾害指数；
S4.2：选取所需阈值，判断某一时间点研究区范围所有网格上的气象灾害指数是否超过灾害阈值，保留超过阈值的网格点；
S4.3：将范围内相邻的网格区域聚类为同一个事件，记录每个事件的发生位置；
S4.4：计算每个事件的影响范围，剔除影响范围小于事件最小设定范围的事件；
S4.5：继续计算下一时间点每个灾害事件的影响范围，并最终统计所有时间点的所有灾害事件的面积。
5.根据权利要求1所述的方法，其特征在于，所述步骤S5的具体为：
S5.1：确定共享社会经济路径框架：SSP1为可持续发展路径，SSP2为中等路径，SSP3为区域竞争路径，SSP4为不均衡路径，SSP5为化石燃料为主发展路径；
S5.2：确定不同共享社会经济路径下承灾体特征和发展轨迹；
S5.3：确定初始年承灾体影响因子；
S5.4：基于研究区历史时期发展状况，确定未来不同发展轨迹下承灾体影响因子预估参数；
S5.5：确定不同共享社会经济路径下的承灾体变化参数；
S5.6：将初始年承灾体影响因子和不同路径下的预估参数输入预估模型，预估不同共享社会经济路径下承灾体未来变化特征。
6.根据权利要求1所述的方法，其特征在于，所述步骤S6具体为：
S6.1：将承灾体所在区域矢量边界与气象要素网格叠加；
S6.2：将跨矢量边界的网格截断，归入各自矢量区域范围；
S6.3：将矢量区域内的承灾体预估数值按面积占比分配至区域内的网格或网格碎片中；
S6.4：将被截断的网格的各部分数值相加，得到所有网格上的承灾体预估数据。
7.一种承灾体动态暴露度评估系统，其特征在于，所述系统包括：
数据获取模块：获取历史时期目标区域气象要素数据和承灾体数据，获取不同气候情景下目标区域气候要素预估数据，建立气象要素和承灾体数据库；
气象灾害指数评估模块：分析目标区域气象灾害特征，计算适应区域特征的气象灾害指数，开展目标区域气象灾害指数评估；
阈值确定模块：根据气象灾害指数和目标区域气象灾害特征，识别气象灾害阈值；
灾害范围获取模块：结合不同气候情景下的气象要素预估数据和气象灾害阈值，预估不同情景下气象灾害变化，确定灾害事件影响范围；
承灾体变化预估模块：基于共享社会经济路径框架，开展本地化的承灾体预估参数设定，预估不同共享社会经济路径下承灾体变化特征；
承灾体网格化模块：根据历史时期承灾体空间分布特征，采用空间网格化地理信息技术将特定边界的承灾体信息处理至与气象要素相匹配的空间网格中；
暴露度动态评估模块：将气候情景下的历次灾害影响范围与共享社会经济路径下的网格化承灾体进行空间匹配和三维动态叠加，获取暴露于每次灾害事件下的承灾体信息，进行承灾体动态暴露度评估。
8.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的一种承灾体动态暴露度评估方法。
9.一种计算机设备，包括储存器、处理器及存储在存储器上并可再处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的一种承灾体动态暴露度评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110973268.3A CN113610437A (zh) | 2021-08-24 | 2021-08-24 | 一种承灾体动态暴露度评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110973268.3A CN113610437A (zh) | 2021-08-24 | 2021-08-24 | 一种承灾体动态暴露度评估方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113610437A true CN113610437A (zh) | 2021-11-05 |
Family
ID=78309226
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110973268.3A Pending CN113610437A (zh) | 2021-08-24 | 2021-08-24 | 一种承灾体动态暴露度评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610437A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116151610A (zh) * | 2022-12-16 | 2023-05-23 | 中国水利水电科学研究院 | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 |
| CN117332909A (zh) * | 2023-12-01 | 2024-01-02 | 南京师范大学 | 基于智能体的多尺度城市内涝道路交通暴露性预测方法 |
| CN117893382A (zh) * | 2024-03-13 | 2024-04-16 | 天津市地质研究和海洋地质中心 | 基于多元特征融合的地质灾害风险评价方法及系统 |
| CN117893382B (zh) * | 2024-03-13 | 2024-05-31 | 天津市地质研究和海洋地质中心 | 基于多元特征融合的地质灾害风险评价方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111027175A (zh) * | 2019-11-06 | 2020-04-17 | 中国地质大学（武汉） | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 |
| CN112765912A (zh) * | 2021-01-26 | 2021-05-07 | 武汉大学 | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 |
| CN112819312A (zh) * | 2021-01-25 | 2021-05-18 | 华中科技大学 | 气候变化情景下干旱社会经济暴露度评估方法和系统 |
-
2021
- 2021-08-24 CN CN202110973268.3A patent/CN113610437A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111027175A (zh) * | 2019-11-06 | 2020-04-17 | 中国地质大学（武汉） | 基于耦合模型集成模拟的洪水对社会经济影响的评估方法 |
| CN112819312A (zh) * | 2021-01-25 | 2021-05-18 | 华中科技大学 | 气候变化情景下干旱社会经济暴露度评估方法和系统 |
| CN112765912A (zh) * | 2021-01-26 | 2021-05-07 | 武汉大学 | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 姜彤 等: "极端气候事件社会经济影响的风险研究：理论、方法与实践", 《阅江学刊》, no. 1, pages 90 - 106 * |
| 汪贤进 等编著: "常用统计方法手册", vol. 1, 浙江人民出版社, pages: 182 - 184 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116151610A (zh) * | 2022-12-16 | 2023-05-23 | 中国水利水电科学研究院 | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 |
| CN116151610B (zh) * | 2022-12-16 | 2023-10-03 | 中国水利水电科学研究院 | 一种非均质城市下垫面承灾体风险暴露空间模拟方法 |
| CN117332909A (zh) * | 2023-12-01 | 2024-01-02 | 南京师范大学 | 基于智能体的多尺度城市内涝道路交通暴露性预测方法 |
| CN117332909B (zh) * | 2023-12-01 | 2024-03-08 | 南京师范大学 | 基于智能体的多尺度城市内涝道路交通暴露性预测方法 |
| CN117893382A (zh) * | 2024-03-13 | 2024-04-16 | 天津市地质研究和海洋地质中心 | 基于多元特征融合的地质灾害风险评价方法及系统 |
| CN117893382B (zh) * | 2024-03-13 | 2024-05-31 | 天津市地质研究和海洋地质中心 | 基于多元特征融合的地质灾害风险评价方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xu et al. | Projected changes in temperature and precipitation extremes over China as measured by 50-yr return values and periods based on a CMIP5 ensemble | |
| Wang et al. | Climatology and changes of extratropical cyclone activity: Comparison of ERA-40 with NCEP–NCAR reanalysis for 1958–2001 | |
| CN112800634A (zh) | 耦合干湿状态辨识与多源信息融合的降水估计方法及系统 | |
| Tramblay et al. | Modelling extreme dry spells in the Mediterranean region in connection with atmospheric circulation | |
| CN113610437A (zh) | 一种承灾体动态暴露度评估方法及系统 | |
| CN112394424B (zh) | 一种区域极端降水事件的监测方法 | |
| Biard et al. | Automated detection of weather fronts using a deep learning neural network | |
| CN111242404A (zh) | 一种强降雨诱发洪灾事件的极端性评估方法及系统 | |
| CN113591572A (zh) | 基于多源数据和多时相数据的水土流失定量监测方法 | |
| Park et al. | Future changes in precipitation for identified sub‐regions in East Asia using bias‐corrected multi‐RCMs | |
| Freiwan et al. | Spatial and temporal analysis of climatological data in Jordan | |
| CN114297578A (zh) | 一种基于遥感的草地植被覆盖度估算及预测方法 | |
| CN115575601A (zh) | 基于水汽通量散度的植被旱灾指数评估方法和系统 | |
| CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
| CN113779113B (zh) | 基于雨洪时空过程相似性挖掘的洪水动态预估方法及系统 | |
| Bajamgnigni Gbambie et al. | Added value of alternative information in interpolated precipitation datasets for hydrology | |
| CN113176420B (zh) | 一种针对电网杆塔点的风速预报订正系统 | |
| Young | Detecting and removing inhomogeneities from long-term monthly sea level pressure time series | |
| Berkovic | Wind regimes and their relation to synoptic variables using self-organizing maps | |
| Campos et al. | Estimating extreme waves in Brazil using regional frequency analysis | |
| CN114997055B (zh) | 海平面温度时频域变化特性分析方法 | |
| CN114996943B (zh) | 一种用于水库蓄水气候效应评估的中尺度数值模拟方法 | |
| Correa-Islas et al. | Application of geostatistical models for aridity scenarios in northern Mexico | |
| CN110208876B (zh) | 副热带急流和极锋急流径向位置协同变化的表征方法 | |
| Neykov et al. | Linking atmospheric circulation to daily precipitation patterns over the territory of Bulgaria |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |